1.一种基于K-shell影响力最大化计算迁移优化方法，其特征在于，该方法是假设移动边缘计算系统由1个基站、n个边缘服务器和m个智能终端组成；n个边缘服务器共同构成网络G(P,E)，其中P为边缘服务器构成的集合，P＝{pi|i＝1,2,...,n}，E为边缘服务器连接矩阵；m个终端集合形式表示为D＝{dk|k＝1,2,...,m}，对于第k个终端dk的计算任务 由本地计算任务 与迁移计算任务 组成；具体包括如下步骤：

1)初始任务：当一个用户智能终端发布任务时，依据计算复杂度δk将任务分为本地计算与迁移计算；

2)本地计算：当任务属于本地计算时，依据MSD自身属性与本地任务量构建能耗与时延模型，计算本地能耗与时延；

3)迁移计算：当任务属于迁移计算时，将能耗与时延分为传输部分和计算部分：

3-1)传输部分的能耗与时延分为上行传输、ES路径内传输、下行传输三部分，其中上行传输代表将任务从用户终端传输的边缘服务器，ES路径内传输代表任务在边缘服务器组内传输，下行传输代表将服务器任务计算结果回传到用户终端；

3-2)计算部分的能耗与时延依据ES自身属性与本地任务量构建能耗与时延模型，描述任务迁移在服务器上任务计算所需的能耗与时延；

4)ES路径影响力：针对不同ES所组成集合的计算能力与传输能力不同进行评判的标准，由ES路径自身影响力与潜在影响力所构成，在潜在影响力的构成模型中充分考虑任务迁移过程中所消耗的能耗与时延；

5)问题转化：将用户体验质量作为计算迁移策略优化目标转化为ES路径影响力最大化问题，其本质是计算迁移路径选择优化转化为ES路径影响力最大化；

6)执行KS-IMCO算法：将ES类比为社会网络节点，利用K-shell方法将ES进行等级分类，结合贪心与启发式思想求解ES路径影响力最大化问题。

2.根据权利要求1所述的一种基于K-shell影响力最大化计算迁移优化方法，其特征在于，步骤2)中，本地能耗与时延的计算，是设用户终端dk分配的任务 运行功率为CPU频率为 则本地计算所需时延 与能耗 表示如下：由公式(1)、(2)得本地计算服务质量公式

3.根据权利要求1所述的一种基于K-shell影响力最大化计算迁移优化方法，其特征在于，步骤3)中，所述的迁移计算，是将密集型任务在ES上进行模拟选择最为适合的迁移路径，即ES路径L′＝(p1,p2,p3,...,pl)，其中l≤n；终端利用OFDMA信道连接请求ES，且每条信道之间相互独立；设θ为信道增益， 为dk至pi任务上行传输功率， 为ES路径内传输功率， 为任务下行传输功率，其中i

根据任务传输和计算两部分时延与能耗模型，得出迁移计算所需要的时延 与能耗分别为：由式(11)、(12)得迁移计算服务质量公式

则任务迁移需要的总时延 与总能耗 表示为：

由公式(14)、(15)得任务迁移服务质量公式

4.根据权利要求1所述的一种基于K-shell影响力最大化计算迁移优化方法，其特征在于，步骤4)中，所述的ES路径影响力，包括ES自身影响力和潜在影响力；ES自身影响力是考虑ES在网络中所处位置与自身属性；潜在影响力主要是考虑任务迁移所需时延、能耗与传输通信质量；依据网络拓扑结构，综合考虑ES在所在位置，利用度中心方法度量ES重要性，表示如下：pi(center)＝drgee(pi)                         (17)ES自身属性包括运行功率 CPU工作频率 等待列队处理能力 则ES的自身影响力表示为：

潜在影响力表示ES路径具有的潜在计算能力，包括与之相连的ES等级、交互强度、通信质量、性能，其中ES等级通过K-shell方法进行区分；设σ表示ES之间的交互频率强弱；Cqua表示ES之间通信质量，即传输信噪比；性能包括任务迁移时延 能耗 则ES的潜在影响力表达式为：其中D(pi)为邻居节点pj的集合，ks为ES所处等级值，θ为随机分布变量，N0为噪声功率；

则ES路径影响力计算表示如下：

5.根据权利要求1所述的一种基于K-shell影响力最大化计算迁移优化方法，其特征在于，步骤5)中，所述的问题转化，是充分考虑ES计算能力、基站带宽资源、任务迁移时延与能耗因素，将用户体验质量QoE作为多终端迁移策略联合优化目标，构建近于实际应用环境中的密集型任务系统模型min Q：将用户体验质量作为计算迁移策略优化目标转化为ES路径影响力最大化问题，计算迁移路径选择优化转化为ES路径影响力最大化，ES路径影响力最大化公式表示如下：由公式(21)得：

由公式(22)得：

由于 ks、σ、Cqua均大于零，且 大于1，则minQ(K,L′,b)正比于 由此将用户体验质量作为迁移策略优化目标转化为ES路径影响力最大化问题。

6.根据权利要求1所述的一种基于K-shell影响力最大化计算迁移优化方法，其特征在于，步骤6)中，所述的KS-IMCO算法，其运行方法包括如下步骤：

6-1)依据度中心求解方法计算出每个ES的pi(center)值；

6-2)依据ES自身影响力模型计算出每个ES的 值；

6-3)依据K-shell方法计算出每个ES的ks值；

6-4)依据ES潜在影响力模型计算出每个ES的 值；

6-5)对每个初始ES进行路径统计，将任务量 按ES路径内数量划分，计算出每个ES路径L′的 值；

6-6)将每个ES路径L′统计出来，选择影响力最大路径进行计算迁移；

6-7)得到最终计算迁移路径。